ارائه‌کننده:  فاطمه حسنیاستاد راهنما: دکتر روزبه عابدینی نسباستاد مشاور: دکتر سحر بوذریاستاد ناظر داخلی: دکتر محمد نجفی آشتیانیاستاد ناظر خارجی: دکتر فاطمه رحیمیتاریخ: ۱۴۰۴/۰۷/۱۳ساعت: ۱۲:۳۰مکان: ساختمان فنی و مهندسی، بلوک شماره سه، طبقه اول، اتاق 154

چکیده:استئوآرتریت زانو یکی از مشکلات شایع جسمی در سنین بالا است و موجب درد و اختلال در حرکت بیماران می‌شود. در این مطالعه هدف ما شناسایی تفاوت‌های معنادار در داده‌های بیومکانیکی بیماران مبتلا به استئوآرتریت زانو بین دو وضعیت قبل و بعد از درمان با استفاده از هوش مصنوعی است. برای این منظور، دو مجموعه‌داده مستقل به‌کار گرفته شد. مجموعه اول برگرفته از مقاله رویلکر و همکاران بود که شامل الگوهای راه‌رفتن افراد سالم و بیماران استئوآرتریت زانو در سرعت ترجیحی بود. از این مجموعه‌داده برای سنجش اولیه مدل‌های یادگیری ماشین استفاده شد.در این ارزیابی، مدل‌های بدون‌نظارت و نیمه‌نظارتی با شاخص دقت خوشه‌بندی برابر ۱ و مدل نظارتی با دقت 98/0 در اعتبارسنجی تو‌در‌تو، گروه‌های سالم و بیمار را تفکیک کردند. این مدل‌ها پس از موفقیت در آزمون اولیه، بر روی مجموعه‌داده اصلی پژوهش اعمال شدند. این مجموعه‌داده شامل بیماران مبتلا به استئوآرتریت زانو در دو وضعیت پیش و پس از درمان واقعی با روش آزادسازی بافت نرم با ابزار و مداخله Sham بود که الگوی راه‌رفتن آن‌ها در سه سرعت ترجیحی، مترونوم و سریع ثبت شده بود. در رویکرد بدون‌نظارت مشاهده شد که پس از درمان، ۱۰ نفر از میان ۲۹ بیمار از خوشه‌ی اولیه به خوشه‌ی دیگری منتقل شدند. این جابه‌جایی نشان‌دهنده‌ی تغییرات قابل‌توجه در الگوهای حرکتی آن‌ها بود و به‌عنوان نشانه‌ای از پاسخ مثبت به درمان تفسیر شد. در مقابل، تغییرات سایر بیماران محدودتر باقی مانده و نقاط پیش و پس از درمان هر فرد در مجاورت یکدیگر قرار گرفتند.این یافته‌ها نشان می‌دهد که تغییرات مشاهده‌ شده در مشخصات بیومکانیکی بیماران احتمالاً ناشی از ضرورت در نظر گرفتن عوامل گسترده‌تر در فرایند شخصی‌سازی درمان، نیاز به طول درمان بیشتر برای برخی بیماران، عدم انطباق کامل رفتار بیومکانیکی با وضعیت بالینی یا زمان‌بر بودن انطباق این تغییرات با شاخص‌های بالینی است. در مجموع، مدل‌های یادگیری ماشین توانستند هم تغییرات مشترک و هم الگوهای فردی بیماران را بازتاب دهند.